机器算法验证 - 在线性混合效应模型中包括序数自变量（使用 R 中的 lme4 包） - 吾爱随笔录

我正在分析来自 500 头小牛队列的数据，调查疾病对生长的影响。

我的结果变量是正态分布的连续数据。我正在使用分层模型，小牛嵌套在农场内，并测试疾病的长期影响。

我遇到的问题是如何包含疾病数据。我有关于小牛患病周数和总分超过已验证诊断阈值的变量

小牛疾病数据的直方图

由于我对上传图片没有经验，以下是上述数据的列表结果：

Disease Duration (weeks) 0   1    2   3   4   5   6 
Frequency               266 128  50  33   8   5   2

Total Score  0   1   2   3    4   5   6   7   8   9  10  13  14  15 
Frequency   266  88  51  30  20  13   2   6   4   5   3   1   2   1

显然，这个数据远非正常。但是有很多级别可以使用虚拟编码的分类变量，我认为序数比例可以更好地代表数据。您认为将这些数据作为自变量包含在我的 LME 模型中的最佳方式是什么？（注意，我不将两者都包含在同一模型中，只是其中一个）

当我包含这些变量时，模型确实返回结果而没有收敛错误或其他警告，但感觉不是很好的做法，我不确定我可以做什么样的转换来使这些数据更好（例如日志转换留下数据看起来很奇怪，原始数据的图使它看起来最有可能是线性关系）

这是我想改进的一个例子：

（adj_w_63 - 小牛体重，week_brd - 患病周数（如上所述），rid - 一个正态分布的连续变量，milksolids_total - 一个正态分布的连续变量）

library(lme4)
model1<-lmer(adj_w_63 ~ weeks_brd + rid + milksolids_total + (1|farm_ac),
 data=comp)
summary(model1)

Linear mixed model fit by REML ['lmerMod']
Formula: adj_w_63 ~ weeks_brd + rid + milksolids_total + (1 | farm_ac)
   Data: comp

REML criterion at convergence: 3247

Scaled residuals: 
    Min      1Q  Median      3Q     Max 
-3.5180 -0.5525 -0.0458  0.5945  6.1674 

Random effects:
 Groups   Name        Variance Std.Dev.
 farm_ac  (Intercept) 30.10    5.487   
 Residual             83.37    9.131   
Number of obs: 443, groups:  farm_ac, 11

Fixed effects:
                 Estimate Std. Error t value
(Intercept)      68.06279    3.30996  20.563
weeks_brd        -1.00200    0.42089  -2.381
rid               0.11010    0.04981   2.210
milksolids_total  0.19904    0.07679   2.592

Correlation of Fixed Effects:
            (Intr) wks_br rid   
weeks_brd   -0.174              
rid         -0.285  0.141       
mlkslds_ttl -0.795  0.038 -0.016

非常感谢你的帮助。